鋭いエッジ検出のための畳み込み特徴量のアンミックス

本稿では、深層エッジ検出器を用いたクリスプなエッジ検出のための文脈認識型トレーシング戦略（CATS）を提案する。この戦略の提唱は、深層エッジ検出器におけるエッジ位置の曖昧さが、畳み込みニューラルネットワーク（CNN）の混合現象に起因しているという観察に基づいている。具体的には、エッジ分類における特徴量の混合と、側面予測の融合過程におけるサイド混合が主な原因である。CATSは、この問題に対処するための2つのモジュールから構成される。第一に、境界をトレースすることで特徴量の混合を解消し、より良いサイドエッジ学習を実現する新たなトレーシング損失関数を導入する。第二に、学習されたサイドエッジの補完的利点を統合することで、サイド混合を軽減する文脈認識型融合ブロックを設計する。実験の結果、提案手法であるCATSは、現代的な深層エッジ検出器に容易に統合可能であり、エッジの局所化精度を向上させることを示した。特に、VGG16ベースラインを用いた場合、BSDS500データセット上で、モルフォロジカルな非最大抑制（non-maximal suppression）を用いない評価条件下において、RCFおよびBDCNのF-measure（ODS）をそれぞれ12%および6%向上させた。